中文摘要: 安全带在高空作业中扮演着至关重要的角色，是保障高空作业人员生命安全和减少事故发生的必要装备。由于高空作业中的安全带佩戴的多样性与复杂性，经常会出现高空作业人员安全带佩戴不规范等问题，导致安全带起不到应有的保护作用。目前专门针对安全带佩戴的规范性实时检测的研究较少且精度不高，因此本文构建了高空作业安全带佩戴数据集，设计了一种基于深度学习的高空作业人员安全带佩戴规范性检测算法。本文首先采用优化的EfficientNet对原始图像进行特征提取，然后利用YOLOv8进行安全带兴趣区域提取，最后设计了一种带有注意力机制的特征融合模块，将两种特征相结合，以增强模型对原始图像中安全带的关注能力。在自制数据集上的实验结果显示，本文提出的模型平均准确度达到了87.4%，与当前主流算法相比，该模型在性能上表现出了显著优势，满足了高空作业中安全带佩戴规范性检测的实际需求。